Im Laufe der Jahre habe ich erlebt, wie Organisationen stark in Programme für Data Governance investiert haben – in der Erwartung, dass eine neue Governance-Plattform endlich Ordnung in ihre Datenlandschaft bringen würde. Die Logik dahinter ist nachvollziehbar: Wenn Daten schwer zu finden, zu definieren, zu vertrauen oder zu kontrollieren sind, sollte eine Governance-Plattform Abhilfe schaffen. Organisationen implementieren Datenkataloge, benennen Datenverantwortliche, etablieren Prozesse für Datenverwaltung, erstellen geschäftliche Glossare und entwickeln Richtlinien zu Datenschutz, Sicherheit, Compliance und Nutzung.

All dies sind wichtige Schritte. Aber für sich allein reichen sie selten aus.

Der Grund ist einfach: Governance kann nicht erfolgreich sein, wenn sie von der Architektur, die sie steuern soll, getrennt ist.

Ein Geschäftsglossar kann einen Begriff definieren, aber wenn diese Definition nicht mit den Datenmodellen, Schemata, Tabellen, Spalten und Systemen verknüpft ist, in denen sich die Daten tatsächlich befinden, bleibt Governance unvollständig. Ein Katalog kann Nutzern bei der Suche nach Assets helfen, aber wenn diese Assets nicht mit unternehmensweiten Definitionen und modellierten Beziehungen verbunden sind, schafft die Entdeckung nicht automatisch Vertrauen. Eine Richtlinie kann beschreiben, wie sensible Daten gehandhabt werden sollten, aber wenn diese Richtlinie nicht mit den Strukturen verbunden ist, in denen sensible Daten erstellt, transformiert und genutzt werden, wird die Durchsetzung schwierig.

Deshalb müssen Data Governance und Datenarchitektur zusammenarbeiten.

Die erfolgreichsten Organisationen betrachten Modellierung, Metadaten, Katalogisierung, Glossare und Governance nicht als voneinander getrennte Aktivitäten. Sie verbinden all diese Elemente zu einer gemeinsamen, unternehmensweiten Datenbasis, die Fach- und Technikteams unterstützt, Informationen unternehmensweit zu definieren, zu verwalten und ihnen zu vertrauen.

Die Governance-Lücke, die die meisten Organisationen schaffen

Viele Governance-Initiativen starten mit den besten Absichten. Teams erstellen Glossare, dokumentieren Verantwortlichkeiten, definieren Richtlinien und katalogisieren Datenbestände, damit alle wissen, welche Informationen existieren und wie sie genutzt werden sollen.

Die Herausforderung entsteht, wenn Governance von der Umsetzung getrennt wird.

Ein Governance-Team kann einen Geschäftsbegriff wie „Versicherungsnehmer“, „Schaden“, „Asset“ oder „Nettoumsatz“ definieren. Ein Datenarchitektur-Team modelliert diese Konzepte über verschiedene Anwendungen, Data Warehouses, Data Lakehouses und Reporting-Umgebungen hinweg. Analytics-Teams erstellen Dashboards basierend auf den entsprechenden Feldern, während Anwendungs-Teams operative Systeme weiterentwickeln.

Wenn diese Gruppen mit getrennten Werkzeugen agieren, driften Definitionen auseinander.

Das Glossar sagt das eine, das Modell etwas anderes, und die Datenbank spiegelt eine dritte Interpretation wider. Berichte und Dashboards können zusätzliche Annahmen einführen, die nie mit der ursprünglichen Geschäftsdefinition verknüpft werden.

So entstehen Governance-Programme, die auf dem Papier stark wirken, aber in der Praxis Schwierigkeiten bereiten. Sie verfügen über Dokumentation, aber nicht über Abstimmung. Es gibt Richtlinien, aber keine Nachvollziehbarkeit. Es existieren Kataloge, aber oft fehlt der architektonische Kontext, um zu verstehen, wie Daten strukturiert, verknüpft und implementiert sind.

Governance scheitert nicht an mangelndem Einsatz der Organisation. Sie scheitert, weil das Governance-Ökosystem fragmentiert ist.

Warum Datenmodelle für Governance unerlässlich sind

Datenmodelle spielen eine entscheidende Rolle in der Governance, weil sie die Strukturen und Beziehungen definieren, die Governance-Programme verstehen müssen.

Ein Geschäftsglossar kann erklären, was ein Begriff bedeutet, aber ein Datenmodell zeigt auf, wie dieses Konzept in verschiedenen Systemen abgebildet wird. Es verbindet geschäftliche Definitionen mit Entitäten, Attributen, Beziehungen, Schlüsseln, Regeln und physischen Implementierungen. Ohne diese Verbindung kennen Governance-Teams vielleicht die theoretische Bedeutung eines Begriffs, haben aber keinen Einblick in dessen praktische Umsetzung.

Dieser Unterschied ist von Bedeutung, weil unternehmensweite Datenlandschaften komplex sind. Ein einzelnes Geschäftskonzept kann in vielen Applikationen, Datenbanken, Berichtssystemen und Analyseplattformen auftreten. Es kann unter verschiedenen Namen gespeichert, mit unterschiedlichen Beziehungen modelliert und je nach Erscheinung von unterschiedlichen Richtlinien geregelt sein.

Mit unternehmensweiter Datenmodellierung schaffen Organisationen einen gemeinsamen Bauplan für diese Komplexität. Sie ermöglichen Governance-Teams nicht nur zu verstehen, welche Daten existieren, sondern auch, wie sie strukturiert sind, wie sie mit anderen Daten verknüpft sind und wie sich Änderungen auf nachgelagerte Systeme auswirken können.

Hier wird Governance operativ umsetzbar.

Anstatt Begriffe und Richtlinien losgelöst von der technischen Umsetzung zu verwalten, können Organisationen die Bedeutung direkt mit der Architektur verbinden.

[„CTO_Club_Governance_image1“ Bild hier einfügen]

Bildunterschrift: Zentrale Säulen der Governance

Die Rolle von Datenkatalog und Geschäftsglossar

Damit Governance im großen Maßstab funktioniert, benötigen Organisationen sowohl technische Transparenz als auch geschäftlichen Kontext.

Hier werden die Funktionen für Datenkatalog und Geschäftsglossar von ER/Studio besonders wichtig.

Das Enterprise Data Catalog von ER/Studio bietet ein kontrolliertes, durchsuchbares Verzeichnis für Modelle, Schemata, Attribute und Geschäftstermine. Es hilft Teams, vertrauenswürdige Datenressourcen zu finden, technische Metadaten zu verstehen und diese Ressourcen mit geschäftlichen Definitionen zu verknüpfen. Anstatt Nutzer dazu zu zwingen, nach verstreuten Modellen, Tabellen und Dokumentationen zu suchen, bietet der Katalog Teams eine zentrale Möglichkeit, zu verstehen, welche Daten existieren und wie diese verwendet werden sollten.

Das Business Glossary fügt den geschäftlichen Kontext hinzu, den technische Metadaten allein nicht liefern können. Es ermöglicht Organisationen, Geschäftstermine zu definieren, zu verwalten und mit technischen Ressourcen zu verknüpfen, sodass Teams eine gemeinsame Sprache über verschiedene Bereiche hinweg teilen. Dies hilft dabei, Mehrdeutigkeiten zu reduzieren, die Zusammenarbeit zwischen Fachbereich und IT zu verbessern und sicherzustellen, dass Governance-Standards durch die Art und Weise, wie Daten modelliert und genutzt werden, gestärkt werden.

Gemeinsam helfen Data Catalog und Business Glossary, eines der hartnäckigsten Governance-Probleme zu lösen: die Kluft zwischen technischen Assets und geschäftlichem Verständnis.

Ein Tabellenname kann einem Dateningenieur verraten, wo Informationen gespeichert sind. Ein Spaltenname kann einen Hinweis darauf geben, welche Informationen enthalten sind. Aber für Governance braucht es mehr als nur Hinweise. Es braucht genehmigte Definitionen, Verantwortlichkeiten, Klassifizierungen, Beziehungen und Richtlinien, die sowohl von Geschäfts- als auch von Techniknutzern verstanden werden können.

Durch die Verbindung katalogisierter Ressourcen mit kontrollierten Geschäftstermen unterstützt ER/Studio Organisationen dabei, Metadaten in gemeinsam verstandene Bedeutungen zu verwandeln.

Warum die Integration von Purview und Collibra wichtig ist

Viele Unternehmen verwenden heute bereits Microsoft Purview oder Collibra als zentrale Komponenten ihrer Governance-Strategie. Deshalb ist die Integration mit diesen Plattformen unerlässlich.

Die Herausforderung besteht darin, dass Governance-Plattformen und Datenmodellierungsplattformen oft in verschiedenen Bereichen der Organisation angesiedelt sind. Governance-Teams arbeiten möglicherweise in Purview oder Collibra, während Datenarchitekten in Modellierungsumgebungen tätig sind. Wenn diese Werkzeuge nicht synchronisiert werden, entstehen schnell Lücken in den Metadaten.

ER/Studio begegnet diesem Problem durch die native Integration mit sowohl Microsoft Purview als auch Collibra. Dadurch können Organisationen ihre Datenarchitektur direkt mit ihren übergeordneten Governance-Programmen verbinden. ER/Studio bezeichnet dies als einen entscheidenden Wettbewerbsvorteil und gibt an, die einzige Enterprise Data Modeling Plattform mit nativer Integration von Microsoft Purview und Collibra zu sein.

Mit der Microsoft Purview-Integration können Unternehmen logische und physische Datenmodelle in Purview veröffentlichen, Datenmodelle synchronisieren, Purview-Glossarbegriffe mit ER/Studio-Modellen verknüpfen und standardisierte Definitionen über Datenbanken, Cloud-Speicher und BI-Tools hinweg verbinden. Das hilft, Modellkontext in die breitere Governance-Umgebung zu übertragen, sodass Metadaten, Definitionen und Herkunft nicht auf separaten Plattformen isoliert werden.

Mit der Collibra-Integration kann ER/Studio Metadaten und Schemadefinitionen in den Collibra Data Catalog synchronisieren, ER/Studio-Entitäten mit Collibra-Geschäftsbegriffen verknüpfen, Governance-Workflows unterstützen und Modell-Kontext für sowohl Geschäfts- als auch Techniknutzer bereitstellen. Dadurch wird Mehrdeutigkeit reduziert, da kontrollierte Begriffe direkt mit den Modellen und Strukturen verbunden werden, die sie umsetzen.

Diese Integrationen sind wichtig, weil sie den manuellen Aufwand reduzieren, der oft dazu führt, dass Governance-Programme ins Hintertreffen geraten. Wenn Teams sich auf Exporte, Tabellen oder regelmäßige manuelle Updates verlassen, werden Metadaten schnell veraltet. Während sich Systeme weiterentwickeln, spiegelt die Governance-Dokumentation nicht mehr wider, was tatsächlich im Einsatz ist.

Native Integration hilft, diese Lücke zu schließen.

Ein Governance-Workflow in der Praxis

Um zu verstehen, warum die Verbindung zwischen Architektur und Governance wichtig ist, betrachten wir ein häufiges Szenario.

Ein Finanzdienstleistungsunternehmen startet eine neue Anwendung zur Kundenaufnahme. Bevor die Entwicklung beginnt, erstellt das Datenarchitekturteam ein Unternehmenslogikdatenmodell in ER/Studio, das die wichtigsten Geschäftskonzepte definiert, die die Anwendung verwenden wird, einschließlich Kunde, Konto, Produkt und Risikoprofil. Anstatt jedes Projektteam diese Konzepte individuell interpretieren zu lassen, schafft das Modell eine gemeinsame semantische Grundlage, die über Anwendungen, Analysen, Governance- und KI-Initiativen hinweg wiederverwendet werden kann.

Während das logische Modell weiter verfeinert wird, standardisiert das Enterprise Data Dictionary von ER/Studio Namenskonventionen, wiederverwendbare Domänen und genehmigte Datendefinitionen. Das hilft sicherzustellen, dass dieselben Geschäftskonzepte konsistent über Projekte hinweg abgebildet werden, anstatt immer wieder mit leicht abweichenden Namen oder Bedeutungen neu erstellt zu werden.

Das Governance-Team baut anschließend darauf auf und nutzt das Business Glossary von ER/Studio. Geschäftstermine werden direkt mit den Entitäten und Attributen im Unternehmensmodell verknüpft, sodass sowohl Geschäftsbenutzer, Datenverantwortliche als auch Architekten mit denselben genehmigten Definitionen arbeiten können. Anstatt separate Dokumentationen zu pflegen, bleiben die Governance-Assets mit der Architektur verbunden, die sie beschreiben.

Sobald das logische Modell genehmigt ist, erzeugen die Architekten die physischen Modelle, die die Umsetzung unterstützen, wobei die Rückverfolgbarkeit zu den Unternehmensdefinitionen erhalten bleibt. Diese Modelle sowie ihre zugehörigen Metadaten und Glossarbegriffe werden über das Data Catalog von ER/Studio auffindbar, sodass sowohl technische als auch geschäftliche Nutzer einen kontrollierten Blick auf Unternehmensinformationen erhalten.

Da viele Unternehmen bereits auf Enterprise-Governance-Plattformen setzen, erweitert ER/Studio diesen Workflow über die eigene Umgebung hinaus. Modell-Metadaten, Glossarbegriffe und technische Definitionen können mit Microsoft Purview und Collibra synchronisiert werden, sodass Governance-Teams weiterhin in den Plattformen arbeiten können, die sie bereits nutzen, und dennoch mit der zugrunde liegenden Unternehmensarchitektur abgestimmt bleiben.

Monate später ändert eine neue behördliche Vorschrift, wie Kundenrisikoklassifizierungen erfasst werden müssen.

Statt die Dokumentation manuell in mehreren Systemen zu überprüfen, aktualisiert der Datenarchitekt das Unternehmensmodell in ER/Studio und nutzt die Auswirkungsanalyse, um die nachgelagerten Anwendungen, Datenbanken, Berichte und überwachten Assets zu identifizieren, die von der Änderung betroffen sind. Die überarbeiteten Geschäftsdefinitionen bleiben weiterhin über das Business Glossary verknüpft, während synchronisierte Metadaten sicherstellen, dass Microsoft Purview und Collibra die aktualisierte Architektur widerspiegeln.

Anstatt Architektur und Governance als getrennte Aufgaben zu behandeln, sorgt dieser Workflow dafür, dass Unternehmensmodelle, Metadaten, Geschäftsdefinitionen und Governance-Plattformen während des gesamten Datenlebenszyklus synchron bleiben. Das Ergebnis ist ein Governance-Programm, das sich parallel zum Geschäft weiterentwickelt, anstatt ständig hinterherzuhinken.

Governance mit dem gesamten Datenlebenszyklus verbinden

Eine umfassende Unternehmensdatenlösung erfordert mehr als nur die Katalogisierung bestehender Daten. Sie verlangt auch Governance für Daten in Phasen der Konzeption, Änderung, Implementierung und Nutzung.

Genau hier wird die Kombination aus den Modellierungsfähigkeiten von ER/Studio, Data Catalog, Business Glossary und Integrationen zu Governance-Plattformen besonders wertvoll.

Datenarchitekten können logische und physische Modelle erstellen, die sowohl die geschäftliche Bedeutung als auch die technische Umsetzung widerspiegeln. Governance-Teams können Geschäftstermini, Verantwortlichkeiten, Klassifizierungen und Richtlinien mit diesen Modellen verknüpfen. Katalog-Nutzer können Assets mit technischem und fachlichem Kontext entdecken. Purview- und Collibra-Anwender greifen auf synchronisierte Metadaten und Glossare innerhalb der vertrauten Governance-Plattformen zu.

Dieser vernetzte Lebenszyklus ermöglicht es Organisationen, von reaktiver zu proaktiver Governance überzugehen.

Anstatt Governance-Probleme erst nach der Systemeinführung zu entdecken, können Teams diese bereits beim Design adressieren. Sensible Daten lassen sich frühzeitig identifizieren. Geschäftsbegriffe können schon vor der Umsetzung mit modellierten Assets verbunden werden. Namenskonventionen und Modellierungsstandards werden konsistent durchgesetzt. Änderungen können auf nachgelagerte Auswirkungen geprüft werden, bevor sie Probleme in Berichten, Datenpipelines oder Governance-Workflows verursachen.

Das ist wichtig, denn Governance ist keine einmalige Dokumentationsaufgabe. Sie ist eine fortlaufende Disziplin, die sich mit der Entwicklung des Geschäfts verändern muss.

Wenn Governance mit der Datenarchitektur verbunden ist, erhalten Organisationen eine klarere Sicht darauf, wie Definitionen, Modelle, Metadaten, Richtlinien und Systeme sich im Zeitverlauf verändern.

Warum das für die KI-Readiness wichtig ist

Der Aufstieg der Künstlichen Intelligenz hat das Verhältnis zwischen Architektur und Governance noch wichtiger gemacht.

KI-Systeme sind auf Kontext angewiesen. Sie benötigen Definitionen, Metadaten, Beziehungen, Herkunft, Verantwortlichkeiten, Klassifizierungen und Geschäftsregeln, um verlässliche und erklärbare Ergebnisse zu liefern. Wenn Governance und Architektur entkoppelt sind, übernehmen auch KI-Systeme die gleichen Inkonsistenzen, die Analysten, Datenverwalter und Geschäftsleitungen schon lange frustrieren.

Ist ein Geschäftskonzept zwar im Glossar definiert, aber nicht mit den physischen Daten verbunden, die es abbilden, weiß ein KI-System unter Umständen nicht, welche Tabelle oder Spalte verwendet werden soll. Wenn verschiedene Systeme dasselbe Konzept unterschiedlich umsetzen, liefert KI widersprüchliche Ergebnisse. Sind Metadaten veraltet, basiert die KI ihre Ausgaben auf überholtem Kontext.

Deshalb ist KI-Readiness nicht nur eine Aufgabe für Data Science oder Infrastruktur. Es ist auch eine Governance- und Architekturherausforderung.

Organisationen, die Unternehmensdatenmodelle, Business Glossaries, Data Catalogs und Governance-Plattformen miteinander verbinden, sind besser in der Lage, KI-Systemen vertrauenswürdigen Kontext zu geben. Sie können Geschäftsbedeutungen einmal definieren, mit technischer Umsetzung verknüpfen, mit Governance-Tools synchronisieren und unternehmensweit für Analyse, Reporting und KI-Initiativen wiederverwenden.

Das ist die Grundlage, die vertrauenswürdige KI benötigt.

Was erfolgreiche Organisationen anders machen

Erfolgreiche Unternehmen erkennen, dass Governance nicht nur Kontrolle bedeutet. Es geht darum, Vertrauen in Daten zu schaffen.

Sie verstehen auch, dass Vertrauen von Abstimmung abhängt. Business-Anwender benötigen Definitionen, denen sie trauen können. Datenarchitekten benötigen Modelle, die diese Definitionen widerspiegeln. Governance-Teams benötigen mit realen Assets verknüpfte Richtlinien. Analysten brauchen Kataloge, die technische Metadaten und geschäftlichen Kontext zeigen. KI-Systeme brauchen maschinenlesbare Bedeutung, die im gesamten Unternehmen konsistent ist.

Diese Organisationen verlangen nicht, dass Governance-Teams eine Version der Wahrheit und Architektur-Teams eine andere pflegen. Sie schaffen ein integriertes Ökosystem, in dem Modelle, Glossare, Kataloge, Metadaten und Governance-Plattformen sich gegenseitig stärken.

ER/Studio unterstützt diesen Ansatz mit Unternehmensdatenmodellierung, Data Catalog, Business Glossary, rollenbasierter Zugriffskontrolle, automatisierter Dokumentation, Standarddurchsetzung und nativen Integrationen mit Microsoft Purview und Collibra. So erhalten Unternehmen eine umfassendere Möglichkeit, Geschäftsbedeutung, technische Umsetzung und Governance aus einer einzigen Datenarchitektur heraus zu verbinden.

Das Ergebnis ist nicht nur bessere Dokumentation, sondern ein robusteres Betriebsmodell für Unternehmensdaten.

[Fügen Sie hier das Bild "CTO_Club_Governance_image2" ein]

Bildunterschrift: Warum Enterprise Data Governance scheitert

Eine vollständige Enterprise Data Foundation aufbauen

Moderne Datenumgebungen sind zu komplex für eine isolierte Governance.

Organisationen verwalten operative Datenbanken, Cloud-Plattformen, Data Warehouses, Data Lakehouses, Analyse-Tools, BI-Systeme, Governance-Kataloge und KI-Anwendungen. Jede dieser Umgebungen bringt eigene Metadaten, Terminologien, Strukturen und Richtlinien mit. Ohne einen integrierten Ansatz können selbst gut gemeinte Governance-Programme zu weiteren Datensilos werden.

Eine vollständige Enterprise Data Foundation vereint diese Elemente.

Datenmodelle definieren Strukturen und Beziehungen. Das Business Glossar legt genehmigte geschäftliche Bedeutungen fest. Der Data Catalog macht verwaltete Datenbestände auffindbar. Die Integrationen von Microsoft Purview und Collibra übertragen diesen Kontext in die unternehmensweite Governance-Arbeitsabläufe. Rollenbasierte Zugriffskontrollen und Standards stellen sicher, dass die richtigen Personen die richtigen Assets auf die richtige Weise verwalten können.

Arbeiten diese Funktionen zusammen, sind Organisationen in der Lage, Daten vom Design bis hin zum Konsum zu steuern.

Sie können verstehen, was Daten bedeuten, wo sie sich befinden, wie sie strukturiert sind, wem sie gehören, wie sie klassifiziert sind, wie sie sich verändern und wie sie mit nachgelagerten Systemen verbunden sind. Dieses Maß an Transparenz ist essenziell für Compliance, Modernisierung, Analytik und KI.

Es ist auch der Grund, warum Governance zum unternehmerischen Enabler und nicht zu einer Dokumentationslast werden kann.

Die Zukunft der Data Governance ist vernetzt

Die nächste Generation der Data Governance wird nicht durch eigenständige Kataloge, getrennte Glossare oder isolierte Richtlinien-Repositorien definiert. Sie wird dadurch geprägt sein, wie effektiv Organisationen Governance mit der Architektur ihrer Daten verbinden.

Governance ohne Architektur fehlt der Umsetzungskontext. Architektur ohne Governance fehlt Vertrauen, Verantwortlichkeit und Kontrolle. Datenkataloge ohne Business Glossar zeigen zwar, was existiert, aber nicht immer, was es bedeutet. Business Glossare ohne Modellintegration definieren Begriffe, können sie aber nicht unbedingt mit realen Systemen verbinden.

Die stärksten Organisationen vereinen diese Disziplinen.

Deshalb ist die Kombination aus Enterprise Data Modeling, Data Catalog, Business Glossar und nativen Integrationen mit Microsoft Purview und Collibra von ER/Studio so wichtig. Sie hilft Organisationen, eine verwaltete Datenarchitektur zu schaffen, in der Geschäftsrelevanz, Metadaten, Modelle, Richtlinien und Implementierung aufeinander abgestimmt sind.

Da Datenumgebungen immer verteilter werden und KI tief in Entscheidungsprozesse integriert wird, wird diese Abstimmung noch wichtiger.

Die erfolgreichen Organisationen werden nicht die mit den meisten Governance-Artefakten sein. Es werden diejenigen sein, die Governance mit dem tatsächlichen Design, der Verwaltung und Nutzung von Daten verbinden.

Erfahren Sie mehr über ER/Studio.

Vertrauen von: